针对森林复杂冠层结构和林分高密度下遥感树种识别精度不高的问题,将能够提取高维数据立体特征的三维卷积神经网络(3D-CNN)引入到遥感影像树种识别中,并利用残差网络(ResNet)对其进行改进,提出三维残差卷积神经网络(3D-RCNN),以减小网络深度带来的误差,降低退化现象的影响。联合高分五号高光谱数据(GF-5 AHIS)和高分六号高空间分辨率数据(GF-6 PMS),辅以森林资源数据和外业调查数据构建样本集。结合3D-RCNN思想构建树种识别模型。实验结果表明:相较于传统3D-CNN,3D-RCNN将模型网络从12层增加到18层,能够深化网络结构,缓解网络退化;联合GF-5 AHIS和GF-6 PMS,3D-RCNN能够有效地识别北亚热带森林树种,且识别精度(91.72%)要优于传统3D-CNN(85.65%)和支持向量机算法(85.22%)。
2021-08-31 10:49:38
9.47MB
1
这是我自己总结出来的 java根据当前日期+指定天数(月份...)得到相应日期以及计算两日期之差，希望对大家带来帮助
2021-08-29 21:14:17
2KB
1
此函数接受两个（向量）变量，要对其执行二元线性回归分析，并从两个变量中删除异常值。 由于回归残差向量用于检测异常值，因此只有那些离 1:1 回归线最远的记录才会被检测和删除。 如果要求删除多个异常值，在删除下一个异常值之前，将重新计算回归残差以避免淹没和掩蔽效应，然后将删除距离 1:1 线最远的下一个点，依此类推。 该方法将那些在单个变量（X 或 Y）中可能是异常值但可以很好地拟合 1:1 回归线拟合的点与在每个单独的输入变量（X， Y），但是当两个变量拟合在回归线中时，可能会出现在异常值中。 为了从残差向量中检测异常值，使用了一个子函数（该子函数是 Vince Petaccio 2009 年工作的增强，也可作为独立函数“异常值”从 Matlab 文件交换中获得）。
--输入： X0：二元线性回归中因变量的向量Y0：二元线性回归中自变量的向量异常值：应该删除多少异常值？ （如果未提供，
2021-08-29 20:40:46
5KB
1
行业分类-设备装置-一种基于经验模态分解和支持向量机的钟差预测方法.zip
2021-08-28 18:07:49
458KB